談計算機網(wǎng)絡(luò)服務(wù)質(zhì)量優(yōu)化方法

牡丹江大學(xué) 黑龍江牡丹江 157000

摘要：隨著社會科學(xué)技術(shù)的發(fā)展，計算機的形態(tài)與模式也在不斷的改進(jìn)，完善。而且，人們現(xiàn)在越來越重視計算機的網(wǎng)絡(luò)服務(wù)質(zhì)量，因為計算機的應(yīng)用變得越來越廣泛，所以網(wǎng)絡(luò)服務(wù)質(zhì)量的優(yōu)化方法在研究領(lǐng)域中就顯得尤為重要。對于網(wǎng)絡(luò)服務(wù)質(zhì)量的優(yōu)化，需要各方面的提高，比如模式需要進(jìn)一步的改善，實施也需要方便快捷。本研究主要對計算機的網(wǎng)絡(luò)服務(wù)質(zhì)量進(jìn)行研究，同時提出優(yōu)化方法。

關(guān)鍵詞：網(wǎng)絡(luò)；服務(wù)質(zhì)量；優(yōu)化方法

前言

對于計算機網(wǎng)絡(luò)，人們都是十分熟悉的，然而人們也許對網(wǎng)絡(luò)服務(wù)質(zhì)量不是特別了解，而且人們在網(wǎng)絡(luò)上一般都是查一下信息，玩一下游戲，所以對于網(wǎng)絡(luò)服務(wù)質(zhì)量的信息需要更廣泛的普及。如果將網(wǎng)絡(luò)服務(wù)質(zhì)量的知識了解到將會解決很多網(wǎng)絡(luò)上的許多問題，同時也會擴大人們的視野。

1.計算機網(wǎng)絡(luò)中的QoS的原理

QoS通過在傳輸層上進(jìn)行有效運作，為計算機網(wǎng)絡(luò)服務(wù)提供有效的保障。同時，在該技術(shù)背景下的資源分配問題得到了越來越多研究人員的重視，工作人員更致力于解決資源供不應(yīng)求的問題。[1]資源分配問題蘊含一系列QoS指標(biāo)，資源分配的有效性決定網(wǎng)絡(luò)的利用率，分配的均衡程度決定網(wǎng)絡(luò)的公平性，而這些QoS指標(biāo)統(tǒng)一構(gòu)成了每個用戶和整個網(wǎng)絡(luò)社會的效用。然而由于不同用戶對它的要求各異，如有些用戶對延遲敏感，而有些用戶可以容忍一定范圍內(nèi)的延遲，因此這類效用函數(shù)通常摻雜主觀因素。

2.計算機網(wǎng)絡(luò)服務(wù)質(zhì)量中的優(yōu)化

2.1集中式的優(yōu)化方法

每個網(wǎng)絡(luò)節(jié)點通過分別求解最大化自己的拉格朗日函數(shù)來求得整體的對偶函數(shù)，然后通過梯度的方法最小化對偶函數(shù)。整個算法是在每個節(jié)點上并行實施的，這種方法無需任何顯示的信息交換。雖然網(wǎng)絡(luò)協(xié)議很多是啟發(fā)式的設(shè)計，但可以通過逆向工程發(fā)現(xiàn)協(xié)議對應(yīng)的基本數(shù)學(xué)問題，然后通過改進(jìn)模型元素系統(tǒng)的方法改進(jìn)協(xié)議。而且還可以通過優(yōu)化分解進(jìn)行網(wǎng)絡(luò)層次的設(shè)計，[2]網(wǎng)絡(luò)的每層對應(yīng)一個分解后的子問題，層次之間的接口即為優(yōu)化迭代中需要進(jìn)行的通信信息，通過尋找代價低、通信少的分解方法可以設(shè)計出比較合理的分層方式。將整個優(yōu)化算法并行地在多個網(wǎng)絡(luò)節(jié)點上實施，每個節(jié)點只執(zhí)行與該節(jié)點相關(guān)的優(yōu)化子問題。然后通過相互傳遞子問題的解進(jìn)一步得到原優(yōu)化問題的最終方案，分布式算法以增加通信代價帶來了合作并行求解優(yōu)化模型的優(yōu)勢，提高了算法實施效率和安全性。

2.2確定參數(shù)與隨機參數(shù)的優(yōu)化

在確定性模型中，網(wǎng)絡(luò)優(yōu)化模型的參數(shù)是一個常數(shù)，但是在隨機優(yōu)化模型中，參數(shù)可以是一個隨機變量。[3]目標(biāo)和約束函數(shù)可能包含該隨機變量相關(guān)的數(shù)字特征或概率特征，對于具有突發(fā)性和隨機性的網(wǎng)絡(luò)而言，隨機優(yōu)化模型更能捕捉諸如包到達(dá)速率和包處理速率等不確定因素。但這又無疑帶來了模型求解的復(fù)雜性，李雅普諾夫穩(wěn)定性常被用來研究隨機網(wǎng)絡(luò)優(yōu)化問題，得出某些性能指標(biāo)的界。

2.3靜態(tài)與動態(tài)模式優(yōu)化

系統(tǒng)狀態(tài)空間與轉(zhuǎn)移概率/強度.系統(tǒng)狀態(tài)是對當(dāng)前系統(tǒng)狀態(tài)的描述。在確定性模型中，參數(shù)是固定的。如果所有有關(guān)網(wǎng)絡(luò)結(jié)構(gòu)和動態(tài)特征都反映在這些參數(shù)上，并且所有參數(shù)都作為已知數(shù)據(jù)，那么總可以設(shè)計一種靜態(tài)調(diào)度或分配算法。其對應(yīng)的實施方案也很簡單，只需按照這種算法執(zhí)行，而不考慮網(wǎng)絡(luò)的即時狀態(tài)，這種優(yōu)化算法是固定的，又稱為離線算法。它不隨時間轉(zhuǎn)移，因此不適用于動態(tài)隨機性顯著的網(wǎng)絡(luò)環(huán)境。在上文提到的隨機優(yōu)化模型中，通常需要設(shè)計動態(tài)算法，因為需要根據(jù)當(dāng)前得到的狀態(tài)信息如排隊長度，丟包率等進(jìn)行調(diào)度決策。這些參數(shù)隨時間不斷變化，而并非在一開始就能準(zhǔn)確地獲得。

3.網(wǎng)絡(luò)服務(wù)質(zhì)量算法的優(yōu)化

3.1優(yōu)化中所要付出的代價

優(yōu)化算法可以用大O表示法給出其計算復(fù)雜度，理論上界。在基于迭代方法的優(yōu)化算法中，也用該方法表示迭代的收斂速度.在解決凸優(yōu)化問題時采用的原-對偶內(nèi)點法通常有比線性更快的收斂速度，例如，對于線性規(guī)劃，內(nèi)點法的收斂速度為O（nL），其中L表示輸入數(shù)據(jù)的二進(jìn)制編碼長度。為了實現(xiàn)優(yōu)化算法，有時需要收集需要的參數(shù)信息，尤其在分布式優(yōu)化算法中，每個節(jié)點都需要從其它節(jié)點獲取需要的信息，即其余子問題的解決。這時不可避免地產(chǎn)生了大量通信代價，有些信息可以從系統(tǒng)狀態(tài)中獲知，如前面所述的分解算法，用排隊延遲代替需要交換的對偶變量信息，評價通信代價可以用信息交互量表示。

3.2優(yōu)化算法的性能

為了在有限時間內(nèi)實施優(yōu)化算法，通常采用近似的方法。固定模式的近似算法在實際中經(jīng)常使用，因為它們便于設(shè)計，計算也簡便.最簡單的一類近似算法是貪心算法，它只關(guān)注于當(dāng)前的局部優(yōu)化，并期望其對全局目標(biāo)帶來益處。為達(dá)到最小或最大權(quán)重和而進(jìn)行子集選擇的NP問題的近似方法，雖然有些近似方案看起來沒有固定的章法，但它的設(shè)計往往和規(guī)約的步驟和規(guī)約后的問題相關(guān)，如由圖論規(guī)約的難問題近似算法也常常涉及圖論算法，在可以求得解析解的優(yōu)化方案中，優(yōu)化算法完美地達(dá)到了使網(wǎng)絡(luò)性能取得最優(yōu)的目的，如在網(wǎng)絡(luò)路由協(xié)議中使用的最短路徑算法，在有限步驟之后精確地得到了最優(yōu)方案。在難問題中，甚至不存在多項式時間內(nèi)可以收斂到最優(yōu)值的方案，這就需要尋找近似算法，以圖達(dá)到性能與效率的折中，需要說明的是，即使在存在多項式時間求解方案的情況下，也可能鑒于需要盡可能地縮短優(yōu)化算法運行的時間或?qū)⑺惴ǚ植际綄嵤┒捎眯阅芎蛷?fù)雜度的折中方案。

4結(jié)語

計算機網(wǎng)絡(luò)服務(wù)質(zhì)量已與人們的使用計算機有著密切的關(guān)系。每一臺計算機都是一個完美的藝術(shù)品，倘若人們可以很好的掌握計算機網(wǎng)絡(luò)服務(wù)的優(yōu)化方法，可以為自己在使用時節(jié)約一定的時間。而且計算機生產(chǎn)商一定要改善網(wǎng)絡(luò)服務(wù)質(zhì)量，為人們提供一定的便利條件，不斷進(jìn)行補丁式的改進(jìn)，讓網(wǎng)絡(luò)服務(wù)的質(zhì)量盡可能的達(dá)到人們的滿意程度。

參考文獻(xiàn)：

[1]Zheng H-T，Peng C-Y.Collaboration and fairness in oppor-tunistic spectrum access//Proceedings of the 40th Annual IEEE International Conference on Communications（ICC'05）.Seoul，Korea，2005：3132-3136

[2]林闖、李寅、萬劍雄，計算機網(wǎng)絡(luò)服務(wù)質(zhì)量優(yōu)化方法研究綜述；計算機學(xué)報2005（2）：33-42

[3]Boyd S，Vandenberghe L.Convex Optimization.Cambridge，UK：Cambridge University Press，2004（45）：213-220